如何转换除一列之外的某些行重复的数据框[重复]答案

【问题标题】：How do I convert a data frame where some rows are duplicates except for one column [duplicate]如何转换除一列之外的某些行重复的数据框[重复]
【发布时间】：2019-05-29 11:58:46
【问题描述】：

我有关于纳税人的数据，这些分支机构有多个分支机构，这些分支机构产生多行，除了一个相关列（企业活动）之外几乎是重复的。我想改变这一点，使每个纳税人只有一行，这涉及创建列 'enterprise_activity_1'、'enterprise_activity_2' 等等。

我意识到这类似于重塑，但我想不出使用 tidyr::spread 来实现这一点的方法。

为简单起见，假设我们只有一个如下数据框：

df <- tibble::tibble(
  TAXPAYER_ID = c(100, 151, 250, 250, 267, 296, 296, 304),
  ENTERPRISE_ACTIVITY = rep(c("AGRICULTURE", "MANUFACTURING"), 4)
)

我想要实现的是：

TAXPAYER_ID ENTERPRISE_ACTIVITY_1   ENTERPRISE_ACTIVITY_2
100         AGRICULTURE             NA
151         MANUFACTURING           NA
250         AGRICULTURE             MANUFACTURING
267         AGRICULTURE             NA
296         MANUFACTURING           AGRICULTURE
304         MANUFACTURING           NA

我的实际数据中每个纳税人拥有不同数量的分支机构，因此列数应该是一个纳税人拥有的最大分支机构数。

【问题讨论】：

感谢您指出该问题，但这与我的数据不完全相同，因为我的数据没有为纳税人中的每个分支提供索引的列。但是，如果我可以创建该索引，那么我可以像在那个问题中一样直接使用 tidyr::spread。

标签： r

【解决方案1】：

基本上你需要按纳税人ID分组，创建一个列来处理重复的标识符和传播，即

library(tidyverse)

df %>% 
  group_by(TAXPAYER_ID) %>% 
  mutate(ENTERPRISE_ACT = row_number()) %>% 
  spread(key = ENTERPRISE_ACT, ENTERPRISE_ACTIVITY, sep = '_')

# A tibble: 6 x 3
# Groups:   TAXPAYER_ID [6]
#  TAXPAYER_ID ENTERPRISE_ACT_1 ENTERPRISE_ACT_2
#        <dbl> <chr>            <chr>           
#1         100 AGRICULTURE      <NA>            
#2         151 MANUFACTURING    <NA>            
#3         250 AGRICULTURE      MANUFACTURING   
#4         267 AGRICULTURE      <NA>            
#5         296 MANUFACTURING    AGRICULTURE     
#6         304 MANUFACTURING    <NA>

【讨论】：